Los autores proponen RetiSEM, un marco de modelado de ecuaciones estructurales con restricciones de dominio diseñado para recuperar grafos causales y realizar análisis de mediación utilizando datos biomédicos fragmentados con recursos multimodales limitados. El método organiza las variables en bloques informados biológicamente y aplica restricciones de aristas prohibidas para descomponer los efectos a nivel de vía.
- Organiza las variables en bloques informados biológicamente y aplica restricciones de aristas prohibidas para la recuperación del grafo causal.
- Descompone los efectos a nivel de vía en componentes de Efecto Total (TE), Efecto Directo Natural (NDE) y Efecto Indirecto Natural (NIE).
- Logra un error estructural menor y una mayor precisión causal que las líneas base sin restricciones en diez escenarios de referencia sintéticos.
- Demuestra que las variables retinianas actúan principalmente como indicadores biomarcadores downstream con efectos indirectos detectables en datos reales de NHANES.
Este enfoque proporciona un marco interpretable para probar hipótesis causales estructuradas en aplicaciones de IA biomédica donde las variables clínicas, moleculares y de imagen a menudo están incompletas o no se observan conjuntamente.